Des chercheurs du MIT ont utilisé l'IA pour concevoir deux nouveaux antibiotiques, NG1 et DN1, qui ciblent avec succès la gonorrhée résistante aux médicaments et le SARM chez les souris, mettant en évidence le potentiel de l'IA pour transformer la découverte d'antibiotiques.
Les chercheurs du Massachusetts Institute of Technology (MIT) ont utilisé l'IA pour développer deux antibiotiques novateurs efficaces contre la gonorrhée résistante aux médicaments et le SARM, offrant potentiellement de nouvelles stratégies pour lutter contre les infections responsables de millions de décès chaque année.
En exploitant des algorithmes d'IA générative, l'équipe a créé plus de 36 millions de composés potentiels et les a screenés de manière computationnelle pour leur activité antimicrobienne. Les candidats les plus prometteurs sont structurellement uniques par rapport aux antibiotiques existants et semblent agir par des mécanismes auparavant inédits qui perturbent les membranes cellulaires bactériennes. Cette méthode a permis la génération et l'évaluation de composés entièrement nouveaux, et les chercheurs prévoient d'étendre l'approche pour concevoir des antibiotiques ciblant d'autres espèces bactériennes.
La plupart des nouveaux antibiotiques approuvés au cours des 45 dernières années sont des variations de médicaments existants, tandis que la résistance bactérienne continue d'augmenter, causant près de 5 millions de décès par an.
Pour y remédier, le projet Antibiotics-AI du MIT a employé l'IA pour explorer à la fois des composés existants et des molécules entièrement nouvelles et hypothétiques. En utilisant des modèles d'apprentissage automatique formés pour prédire l'activité antibactérienne, l'équipe a d'abord filtré des millions de fragments chimiques, éliminant ceux susceptibles d'être toxiques ou similaires aux antibiotiques existants.
Ils ont ensuite appliqué deux algorithmes d'IA générative : CReM, qui modifie les molécules en ajoutant, remplaçant ou supprimant des atomes et des groupes, et F-VAE, qui construit des molécules complètes à partir de fragments basés sur des modèles chimiques appris. Ce processus alimenté par l'IA a généré environ 7 millions de molécules candidates, qui ont été filtrées par ordinateur pour leur activité contre N. gonorrhoeae.
À partir de cela, environ 1 000 composés ont été présélectionnés, 80 étaient synthétiquement réalisables, et un composé, NG1, a montré une activité puissante contre N. gonorrhoeae résistant aux médicaments dans des études en laboratoire et sur des souris en ciblant une protéine essentielle à la synthèse de la membrane bactérienne, représentant un nouveau mécanisme d'action.
La deuxième étude utilise l'IA générative pour explorer de nouveaux espaces chimiques
Dans une étude de suivi, des chercheurs ont utilisé l'IA générative pour concevoir de nouvelles molécules visant la bactérie Gram-positive S. aureus. En utilisant les algorithmes CReM et F-VAE, l'équipe a permis à l'IA de générer des composés sans contraintes de fragments, guidée uniquement par les règles chimiques régissant les combinaisons d'atomes.
Cette approche pilotée par l'IA a produit plus de 29 millions de molécules candidates. L'équipe a ensuite appliqué des filtres informatiques pour éliminer les composés prédits comme étant toxiques, instables ou similaires aux antibiotiques existants, réduisant le nombre à environ 90 candidats viables.
Parmi les 22 molécules qui pouvaient être synthétisées et testées, six ont montré une forte activité antibactérienne contre S. aureus résistant à plusieurs médicaments dans des essais de laboratoire. Le composé principal, DN1, a réussi à éliminer les infections cutanées à SARM dans un modèle murin.
La capacité de l'IA à explorer de manière autonome un vaste espace chimique a permis la découverte de molécules avec des mécanismes novateurs, perturbant largement les membranes cellulaires bactériennes plutôt que de cibler une seule protéine.
Phare Bio, un partenaire à but non lucratif dans le projet Antibiotics-AI, optimise désormais NG1 et DN1 pour d'autres études précliniques. L'équipe de recherche a l'intention d'appliquer ces plateformes de conception alimentées par l'IA à d'autres agents pathogènes, y compris Mycobacterium tuberculosis et Pseudomonas aeruginosa.
Alors que la résistance bactérienne continue de dépasser les traitements existants, l'étude démontre que l'IA peut explorer des zones auparavant inexplorées de l'espace chimique, offrant des opportunités de passer le développement d'antibiotiques de réponses réactives à une conception stratégique et proactive.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
MIT utilise l'IA générative pour développer deux nouveaux antibiotiques ciblant la gonorrhée résistante aux médicaments et le SARM.
En bref
Des chercheurs du MIT ont utilisé l'IA pour concevoir deux nouveaux antibiotiques, NG1 et DN1, qui ciblent avec succès la gonorrhée résistante aux médicaments et le SARM chez les souris, mettant en évidence le potentiel de l'IA pour transformer la découverte d'antibiotiques.
Les chercheurs du Massachusetts Institute of Technology (MIT) ont utilisé l'IA pour développer deux antibiotiques novateurs efficaces contre la gonorrhée résistante aux médicaments et le SARM, offrant potentiellement de nouvelles stratégies pour lutter contre les infections responsables de millions de décès chaque année.
En exploitant des algorithmes d'IA générative, l'équipe a créé plus de 36 millions de composés potentiels et les a screenés de manière computationnelle pour leur activité antimicrobienne. Les candidats les plus prometteurs sont structurellement uniques par rapport aux antibiotiques existants et semblent agir par des mécanismes auparavant inédits qui perturbent les membranes cellulaires bactériennes. Cette méthode a permis la génération et l'évaluation de composés entièrement nouveaux, et les chercheurs prévoient d'étendre l'approche pour concevoir des antibiotiques ciblant d'autres espèces bactériennes.
La plupart des nouveaux antibiotiques approuvés au cours des 45 dernières années sont des variations de médicaments existants, tandis que la résistance bactérienne continue d'augmenter, causant près de 5 millions de décès par an.
Pour y remédier, le projet Antibiotics-AI du MIT a employé l'IA pour explorer à la fois des composés existants et des molécules entièrement nouvelles et hypothétiques. En utilisant des modèles d'apprentissage automatique formés pour prédire l'activité antibactérienne, l'équipe a d'abord filtré des millions de fragments chimiques, éliminant ceux susceptibles d'être toxiques ou similaires aux antibiotiques existants.
Ils ont ensuite appliqué deux algorithmes d'IA générative : CReM, qui modifie les molécules en ajoutant, remplaçant ou supprimant des atomes et des groupes, et F-VAE, qui construit des molécules complètes à partir de fragments basés sur des modèles chimiques appris. Ce processus alimenté par l'IA a généré environ 7 millions de molécules candidates, qui ont été filtrées par ordinateur pour leur activité contre N. gonorrhoeae.
À partir de cela, environ 1 000 composés ont été présélectionnés, 80 étaient synthétiquement réalisables, et un composé, NG1, a montré une activité puissante contre N. gonorrhoeae résistant aux médicaments dans des études en laboratoire et sur des souris en ciblant une protéine essentielle à la synthèse de la membrane bactérienne, représentant un nouveau mécanisme d'action.
La deuxième étude utilise l'IA générative pour explorer de nouveaux espaces chimiques
Dans une étude de suivi, des chercheurs ont utilisé l'IA générative pour concevoir de nouvelles molécules visant la bactérie Gram-positive S. aureus. En utilisant les algorithmes CReM et F-VAE, l'équipe a permis à l'IA de générer des composés sans contraintes de fragments, guidée uniquement par les règles chimiques régissant les combinaisons d'atomes.
Cette approche pilotée par l'IA a produit plus de 29 millions de molécules candidates. L'équipe a ensuite appliqué des filtres informatiques pour éliminer les composés prédits comme étant toxiques, instables ou similaires aux antibiotiques existants, réduisant le nombre à environ 90 candidats viables.
Parmi les 22 molécules qui pouvaient être synthétisées et testées, six ont montré une forte activité antibactérienne contre S. aureus résistant à plusieurs médicaments dans des essais de laboratoire. Le composé principal, DN1, a réussi à éliminer les infections cutanées à SARM dans un modèle murin.
La capacité de l'IA à explorer de manière autonome un vaste espace chimique a permis la découverte de molécules avec des mécanismes novateurs, perturbant largement les membranes cellulaires bactériennes plutôt que de cibler une seule protéine.
Phare Bio, un partenaire à but non lucratif dans le projet Antibiotics-AI, optimise désormais NG1 et DN1 pour d'autres études précliniques. L'équipe de recherche a l'intention d'appliquer ces plateformes de conception alimentées par l'IA à d'autres agents pathogènes, y compris Mycobacterium tuberculosis et Pseudomonas aeruginosa.
Alors que la résistance bactérienne continue de dépasser les traitements existants, l'étude démontre que l'IA peut explorer des zones auparavant inexplorées de l'espace chimique, offrant des opportunités de passer le développement d'antibiotiques de réponses réactives à une conception stratégique et proactive.